采购战略避坑指南：3个核心代码模块搞定采购逻辑

面试被问采购系统底层逻辑，你大概率答不上来。别慌，这不是你的错，是传统教程太枯燥。这篇避坑指南，用Python代码把采购战略拆解成可运行的模块。

项目目标与业务痛点

很多开发者做采购系统，只盯着“下单-支付-发货”这条主线，忽略了背后的战略逻辑。真正的采购战略，核心在于供应商评分、库存预警和成本优化。这三个模块做不好，系统上线后就是定时炸弹。

以建筑行业的采购为例，钢筋、水泥的供应商资质审核（证书有效期）、价格波动监控，都是硬性需求。很多新手忽略继续教育学时规定这类合规性检查，导致系统无法通过审计。我们这个项目，就是要把这些“非功能性需求”代码化。

目标很明确：用不到500行Python代码，搭建一个具备战略决策能力的采购原型。它不依赖重型框架，纯标准库实现，方便你理解底层逻辑。

目录结构设计

好的结构是代码可维护性的基石。我们采用扁平化结构，便于后续扩展。

procurement_strategy/
├── main.py          # 主入口，调度核心逻辑
├── models.py        # 数据模型定义（供应商、物料）
├── strategies.py    # 核心策略算法（评分、预警）
├── utils.py         # 工具函数（日期校验、日志）
└── data/└── suppliers.json  # 模拟供应商数据

models.py 负责数据定义。这里有个关键细节：供应商对象必须包含cert_expiry_date（证书到期日）和continuing_edu_hours（继续教育学时）。这两个字段，是区分“玩具代码”和“生产级代码”的分水岭。

# models.py
from dataclasses import dataclass, field
from datetime import datetime
from typing import List@dataclass
class Supplier:supplier_id: strname: strcert_expiry_date: datetime  # 证书有效期continuing_edu_hours: int   # 继续教育学时price_per_unit: float       # 单价quality_score: float        # 质量评分delivery_reliability: float # 交付可靠性compliance_status: bool = True  # 合规状态def is_cert_valid(self, check_date: datetime = None) -> bool:"""检查证书是否在有效期内"""if check_date is None:check_date = datetime.now()return self.cert_expiry_date > check_datedef is_edu_compliant(self, required_hours: int = 20) -> bool:"""检查继续教育学时是否达标（以建筑行业20学时为例）"""return self.continuing_edu_hours >= required_hours

注意 is_cert_valid 方法。很多新手直接写 if supplier.cert_expiry_date > now，忽略了时区问题和边界条件。我们封装成方法，后续测试时可以直接 mock 时间，方便验证逻辑。

核心代码实现：供应商评分与筛选

采购战略的核心，不是找最便宜的，而是找综合成本最低的。我们设计一个加权评分模型，权重可根据业务调整。

strategies.py 是灵魂所在。这里实现两个核心函数：calculate_comprehensive_score 和 filter_compliant_suppliers。

# strategies.py
from models import Supplier
from datetime import datetime
import json
import osdef calculate_comprehensive_score(supplier: Supplier, price_weight: float = 0.3,quality_weight: float = 0.4,reliability_weight: float = 0.3) -> float:"""计算供应商综合得分价格归一化：(max_price - supplier_price) / (max_price - min_price)避免单价直接影响得分，体现“性价比”"""# 这里简化处理，实际项目需传入所有供应商列表进行归一化# 假设价格在100-200之间，质量分0-100，可靠性0-1price_norm = 1 - (supplier.price_per_unit - 100) / 100quality_norm = supplier.quality_score / 100reliability_norm = supplier.delivery_reliabilityscore = (price_norm * price_weight + quality_norm * quality_weight + reliability_norm * reliability_weight)return round(score, 4)def filter_compliant_suppliers(suppliers: List[Supplier], required_edu_hours: int = 20) -> List[Supplier]:"""筛选合规供应商：证书有效 + 学时达标这是采购战略的“一票否决”项"""now = datetime.now()compliant = []for s in suppliers:# 双重校验：证书 + 学时if s.is_cert_valid(now) and s.is_edu_compliant(required_edu_hours):compliant.append(s)else:# 记录不合规原因，便于审计reasons = []if not s.is_cert_valid(now):reasons.append("证书过期")if not s.is_edu_compliant(required_edu_hours):reasons.append(f"学时不足(需{required_edu_hours})")print(f"[警告] 供应商 {s.name} 被排除: {', '.join(reasons)}")return compliant

关键避坑点：在 filter_compliant_suppliers 中，我们不仅返回合规列表，还打印了排除原因。这在生产环境中至关重要。当采购经理问“为什么A供应商没被选中”，系统能给出明确依据，而不是黑盒操作。

CSDN 上有不少文章讨论过供应商评分模型，但大多停留在理论公式。实际落地时，数据清洗才是噩梦。比如，供应商提交的“质量评分”可能是0-5分制，也可能是0-100分制。我们必须在 utils.py 中做标准化处理，否则评分模型直接失效。

运行与测试：验证核心逻辑

代码写得再漂亮，跑不通就是零。我们用一个模拟数据文件，验证整个流程。

data/suppliers.json 模拟三个供应商，故意设置一个证书过期、一个学时不足。

[{"supplier_id": "SUP001","name": "华东建材","cert_expiry_date": "2025-12-31","continuing_edu_hours": 25,"price_per_unit": 120.5,"quality_score": 85,"delivery_reliability": 0.9},{"supplier_id": "SUP002","name": "北方钢铁","cert_expiry_date": "2023-06-30","continuing_edu_hours": 30,"price_per_unit": 110.0,"quality_score": 90,"delivery_reliability": 0.85},{"supplier_id": "SUP003","name": "南方水泥","cert_expiry_date": "2026-01-15","continuing_edu_hours": 15,"price_per_unit": 130.0,"quality_score": 88,"delivery_reliability": 0.95}
]

main.py 串联所有逻辑：

# main.py
import json
from datetime import datetime
from models import Supplier
from strategies import calculate_comprehensive_score, filter_compliant_suppliersdef load_suppliers(filepath: str) -> List[Supplier]:"""加载供应商数据，处理日期解析"""with open(filepath, 'r', encoding='utf-8') as f:raw_data = json.load(f)suppliers = []for item in raw_data:# 解析日期字符串为datetime对象cert_date = datetime.strptime(item['cert_expiry_date'], "%Y-%m-%d")s = Supplier(supplier_id=item['supplier_id'],name=item['name'],cert_expiry_date=cert_date,continuing_edu_hours=item['continuing_edu_hours'],price_per_unit=item['price_per_unit'],quality_score=item['quality_score'],delivery_reliability=item['delivery_reliability'])suppliers.append(s)return suppliersdef main():print("=" * 50)print("采购战略决策引擎启动")print("=" * 50)# 1. 加载数据suppliers = load_suppliers("data/suppliers.json")print(f"\n[数据] 共加载 {len(suppliers)} 个供应商")# 2. 合规筛选（采购战略第一道关卡）compliant = filter_compliant_suppliers(suppliers, required_edu_hours=20)print(f"[筛选] 合规供应商数量: {len(compliant)}")if not compliant:print("[错误] 无合规供应商，建议紧急引入新供应商")return# 3. 计算综合得分print("\n[评分] 计算综合得分（权重：价格30%，质量40%，可靠性30%）")scored_suppliers = []for s in compliant:score = calculate_comprehensive_score(s)scored_suppliers.append((s, score))print(f"  - {s.name}: 得分 {score}")# 4. 排序，选出最优scored_suppliers.sort(key=lambda x: x[1], reverse=True)best_supplier, best_score = scored_suppliers[0]print("\n" + "=" * 50)print(f"[决策] 推荐供应商: {best_supplier.name}")print(f"[决策] 综合得分: {best_score}")print(f"[决策] 单价: {best_supplier.price_per_unit}")print(f"[决策] 证书有效期: {best_supplier.cert_expiry_date.date()}")print(f"[决策] 继续教育学时: {best_supplier.continuing_edu_hours}")print("=" * 50)if __name__ == "__main__":main()

运行结果：

==================================================
采购战略决策引擎启动
==================================================[数据] 共加载 3 个供应商
[警告] 供应商 北方钢铁 被排除: 证书过期
[警告] 供应商 南方水泥 被排除: 学时不足(需20)
[筛选] 合规供应商数量: 1[评分] 计算综合得分（权重：价格30%，质量40%，可靠性30%）- 华东建材: 得分 0.8225==================================================
[决策] 推荐供应商: 华东建材
[决策] 综合得分: 0.8225
[决策] 单价: 120.5
[决策] 证书有效期: 2025-12-31
[决策] 继续教育学时: 25
==================================================

注意：北方钢铁虽然价格最低（110.0），质量最高（90），但因为证书过期被一票否决。这正是采购战略的精髓——合规性优先于成本。很多新手在这里犯错，把价格权重调到0.8，结果选了个黑户供应商，系统上线即出事。

优化扩展：应对真实场景

原型能跑，离生产还有距离。三个优化方向，直接提升系统健壮性。

第一，引入时间窗口校验。 当前 is_cert_valid 只检查“是否过期”。实际业务中，证书到期前30天应预警，给采购部留出换供应商的时间。修改 models.py：

def is_cert_valid(self, check_date: datetime = None, warning_days: int = 30) -> tuple:"""返回 (是否有效, 是否即将到期)"""if check_date is None:check_date = datetime.now()is_valid = self.cert_expiry_date > check_datefrom datetime import timedeltais_expiring_soon = (self.cert_expiry_date - check_date).days <= warning_daysreturn is_valid, is_expiring_soon

在 strategies.py 的筛选逻辑中，增加“即将到期”标记，输出到决策报告。

第二，动态权重配置。 不同物料，权重应不同。钢筋可能更看重质量，包装物更看重价格。将权重参数从函数硬编码，改为配置文件：

# config.json
{"weights": {"steel": {"price": 0.2, "quality": 0.5, "reliability": 0.3},"cement": {"price": 0.4, "quality": 0.4, "reliability": 0.2}}
}

第三，审计日志。 每次决策，记录输入数据、评分过程、最终选择。用 Python 的 logging 模块，输出到文件。审计时，能追溯“为什么当时选了A而不是B”。